CN112632652A - 基于数据挖掘的建筑cad模型分析方法 - Google Patents

基于数据挖掘的建筑cad模型分析方法 Download PDF

Info

Publication number
CN112632652A
CN112632652A CN202011644215.9A CN202011644215A CN112632652A CN 112632652 A CN112632652 A CN 112632652A CN 202011644215 A CN202011644215 A CN 202011644215A CN 112632652 A CN112632652 A CN 112632652A
Authority
CN
China
Prior art keywords
building
data mining
graph
map
spatial
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011644215.9A
Other languages
English (en)
Inventor
赵继胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Fudian Intelligent Technology Co ltd
Original Assignee
Shanghai Fudian Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Fudian Intelligent Technology Co ltd filed Critical Shanghai Fudian Intelligent Technology Co ltd
Priority to CN202011644215.9A priority Critical patent/CN112632652A/zh
Publication of CN112632652A publication Critical patent/CN112632652A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Architecture (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种采用数据挖掘技术来快速判断建筑CAD(计算机辅助设计)模型中的各种组合类型构件的方法，例如楼梯间、电梯井等。该方法可以用于计算机辅助建筑图审查。通过采用数据挖掘技术，快速的将设计图中的建筑模型进行分割，分割后为一个个组合构型，通过对组合构型的位置、形状以及与其他构型的关联关系，以及距离的属性进行量化分析，实现对建筑设计图的合规性审查。相比于通过人工进行组合构型的判别和量化计算，采用数据挖掘技术，可用有效提升工作效率，降低审图工作的周期和人力成本，为建筑合规的发展提供有力支持。

Description

基于数据挖掘的建筑CAD模型分析方法
技术领域
本发明属于涉及信息技术领域，尤其是涉及一种基于数据挖掘技术的快速数据对象判别***的构建，即通过对建筑模型图中的构建组织方式进行模式分析与挖掘，实现对建筑模型中的组合构件的判别。
背景技术
近年来，随着建筑信息模型(BIM)技术的快速发展，大量设计院和机构开始推进建筑正向设计，即从需求、设计、迭代到审图、修改、出图，均采用3维化的计算机辅助设计工具进行。由此引发的建筑合规审查也需要通过计算机工具进行辅助，计算机审图的重点在于：1.识别建筑元素；2.进行量化计算来判别是非合规。但是，目前的3维设计工具对建筑中的构型表达仍然相对基础，例如：墙面、板(地板、楼板)和开口(通气口或窗口)，通过构型很难识别建筑模型中表达的元素，例如：套间、消防楼梯间、电梯井等，这些元素通常以组合构件的方式进行表达，通过基础构型(墙，开口等)进行各种组合，辅以不同的属性，构成建筑元素。因此需要建立计算机对组合构件的识别能力。
发明内容
针对现有的建筑模型设计图依赖人工识别所带来的人工消耗和出错率问题，本项发明提出了自动化识别建筑构件，并以此作为计算机辅助建筑图审查技术的数据预处理模块。以数据挖掘技术为基础，通过对建筑模型图进行模式发掘，定位出现频度高的组合构件，进一步辅助审图人员判别组合构件的类件，实现后续的量化核准。具体包含如下4个基本步骤(如图1所示)：
1.空间连接图的生成：对建筑设计图解构，生成空间连接图；
2.基于空间连接图的数据挖掘：对空间连接图进行图数据挖掘，定位出组合构件；
3.组合构件属性计算：计算组合构件的各类属性，包括与其他构件的连接方式，高度、距离等数值属性；
4.组合构件类别标示：对每一类组合构件，随机提出一个，由人工进行标示，再将该标示复制到其他同类组合构件，实现对给定建筑设计图的组合构件以最少人工的方式进行判别。
第1步需要将建筑设计模型(CAD图)转换为用于数据挖掘和分析的数据结构：空间连接图(Spatial Graph)。空间连接图标示为G＝(N，E),N＝{n0,n1,…nm}标示空间连接图的点，E＝{e0,e1,…er}标示空间连接图中点与点之间的边。建筑模型图向空间连接腿的转换过程是对建筑设计图进行分解，以最基础的构型作为空间连接图的点。这里的空间连接图以基础构型为点，点携带属性，属性由建筑结构图总的构型属性有选择的生成。空间连接图点与点之间的连接以建筑设计图中构型之间的连接方式或坐标关系来标示。建筑模型图的子图也可以作为空间连接图的点，子图到点的映射可以通过图神经网络来进行转换。步骤2中的数据挖掘以改进后图数据挖掘算法gspan++为主，通过对空间连接图进行扫描，定位出图中的高频子图，这些子图即为组合构件。
步骤3中技术组合构件的各类属性可以通过设计工具(CAD)所携带各种属性和计算工具来实现。步骤4需要部分依赖人工，但对每一类组合构件，只需对其中一个进行标示，因此不需要进行比较大的工作量。本项专利基于数据挖掘技术，对输入建筑模型进行整理、分析和发掘，提取出相对通用的组合构件，供后续的设计图审查计算之用。此项技术建立在大部分公共建筑和民用建筑中存在着大量的重复模式，即大量的具有重复性质的组合构件，尽管构建之间的属性或组成方式略有不同，但通过数据挖掘技术，可以将同类型的组合构件发掘出来。该技术可以作为自动化审图的初始步骤，对提交的设计图进行组合构件识别与标注，从而为后续的量化计算提供分析基础。
附图说明
图1是总体流程图
图2组合构件与gspan++数据挖掘
图3组合构件类型标注
具体实施方式
本发明的4个步骤具体实现方式如下：
1.空间连接图的生成
通过在CAD工具中实现数据导出插件，将建筑设计图以基本构件结合属性集合和连接方式的方法导出。在导出的数据基础上进行空间连接图生成，采用如下操作：
1)对每个基础构件，创建空间连接图的点；
2)对每个空间连接图点，从对应的基础构件的属性集合中选取关键属性；
3)对每一对空间连接图点，根据其空间坐标的对应关系和关联关系，判断是否需要加边来连接，如果有连接，连接的属性由如下定义方式：边缘连接(包括角度信息)、平面包含(包括平面与水平面的偏移角度)、空间包含。空间连接图的边为有向边。
属性选择需要进行迭代来判断最佳属性，因此需要通过穷举法来搜素最优选择，或者通过引入判别规则来缩小搜索范围(例如引入heuristic)。本项发明面向建筑领域，通过导入建筑领域在构建模型方面的专门知识，可以将搜索范围缩减至于有限集合(集合大小小于3)，搜索过程的复杂度为O(1)。最优属性以属性组合方式表达：{基本构件的类别，建筑类型，场地类型}。其中基本构件的类别以‘门’、‘墙’、‘通道’、‘开口’等基本建筑表达方式为准。建筑类型可分为：‘公共建筑’、‘民用建筑’。场地类型分为：‘楼内’和‘楼外’。
这里如果有多个建筑模型图，将导出的建筑模型图信息统一生成一个空间连接图。建筑设计图通常以树形解构来组织其基础构件，辅以基础构件之间的连接方式(例如墙面A的连接构件集合包括墙面C和墙面D)。从建筑模型图(CAD图)到空间连接图(spatialgraph)的构建算法的过程描述如下：
1)创建空的空间连接图SpatialGraph；
2)创建空的工作列表WL；
3)提取建筑设计图的根节点并将其放入工作列表；
4)如果工作列表为空，则空间连接图构建完毕，如果不为空，进入第5步；
5)提取工作列表的第1个元素(CAD图节点)Node，并将其从工作列表删除；
6)提取CAD图节点的属性信息和连接信息，并以此为依据创建空间连接图的节点和相关连接；
6.1如果CAD图节点Node的对应空间连接图节点还未创建，则创建空间连接图节点SGNode，并将其加入空间连接图SpatialGraph；
6.2提取CAD图节点Node的相关信息，并赋予SGNode；
6.3对于每个CAD图节点Node的连接目标CAD图节点destCADNode,定位其对应的空间连接图节点destSGNode，如果destSGNode还未被创建，则创建；
6.4对于每个CAD图节点Node的连接目标CAD图节点destCADNode对应的空间连接图节点destSGNode，在SpatialGraph中建立SGNode到destSGNode的连接边。
7)提取CAD图节点Node的子节点，并将其放入工作列表；
8)跳转至步骤4.
从建筑模型图(CAD图)到空间连接图(spatial graph)的构建算法的伪代码如下所示：
Figure BDA0002877668300000021
Figure BDA0002877668300000031
对于某些建筑结构图，其结构子图可以作为一个空间连接图的节点来表示，因此可以对某些子图进行判断，本项发明采用图卷积神经网络(GCN)进行子图判别，以识别是否需要将建筑模型子图直接转为时空连接图的节点。图卷积神经网络的训练需要通过预先积累的子图集合进行训练，包括对子图的标注。具体改进算法过程如下：
1)创建空的空间连接图SpatialGraph；
2)创建空的工作列表WL；
3)提取建筑设计图的根节点并将其放入工作列表；
4)如果工作列表为空，则空间连接图构建完毕，如果不为空，进入第5步；
5)提取工作列表的第1个元素(CAD图节点)Node，并将其从工作列表删除；
6)提取节点Node的属性信息和连接信息，并以此为依据创建空间连接图的节点和相关连接；
6.1如果Node是CAD图节点，跳转步骤6.2，否则跳转步骤6.7；
6.2如果Node的对应空间连接图节点还未创建，则创建空间连接图节点SGNode，并将其加入空间连接图SpatialGraph；
6.3提取CAD图节点Node的相关信息，并赋予SGNode；
6.4对于每个CAD图节点Node的连接目标CAD图节点destCADNode,定位其对应的空间连接图节点destSGNode，如果destSGNode还未被创建，则创建；
6.5对于每个CAD图节点Node的连接目标CAD图节点destCADNode对应的空间连接图节点destSGNode，在SpatialGraph中建立SGNode到destSGNode的连接边；
6.6跳转步骤7；
6.7提取SGNode所对应的CAD图节点Node的相关信息，并赋予SGNode；
6.8对于SGNode对应的每个CAD图节点Node的每个，连接目标CAD图节点destCADNode，定位其对应的空间连接图节点destSGNode，如果destSGNode还未被创建，则创建；
6.9对于SGNode对应的每个CAD图节点Node的每个，连接目标CAD图节点destCADNode，定位其对应的空间连接图节点destSGNode，在SpatialGraph中建立SGNode到destSGNode的连接边；
6.10跳转步骤7.
7)如果Node包含的子树深度超过定义的阈值depth，跳转至步骤8，否则跳转至步骤9；
8)检测Node对应的子树
8.1通过预先训练的图卷积神经网络对Node的子树进行判别；
8.2如果符合直接映射空间连接图节点的条件，则直接创建空间连接图节点，并放入工作列表WL,跳转步骤10；
8.3如果无法直接映射,跳转步骤9；
9)提取CAD图节点Node的子节点，放入工作列表WL；
10)跳转至步骤4.
上述算法的伪代码CADGraph2SpatialGraph+如下：
Figure BDA0002877668300000041
Figure BDA0002877668300000051
2.基于空间连接图的数据挖掘
空间连接图通过点与线以及属性来表达建筑模型。数据挖掘的算法采用改进后的gspan算法(gspan+)，该算法可以快速定位空间连接图(带属性的点和线)中的具有一定频度的子图。算法伪代码如下：
I.遍历空间连接图，根据属性的相似度计算出所有点的频度；
II.遍历空间连接图，根据属性的相似度计算出所有边的频度；
III.将频度与最小支持度数做比较，移除不频繁的边和点；
IV.重新将剩下的点和边按照频度进行排序，将他们的排名号给边和点进行重新标号；
V.再次计算每条边的频度，计算完后，然后初始化每条边，并且进行此边的子挖掘过程
对比标准的gspan算法，这里引入了通过属性相似度来计算点和边的频度。即使两个点的属性有不同，如果其属性相似度在阈值范围内，仍判定为同一个点。对边的判别也采用同样的相似度方法。由于建筑模型中组合构件通常以具有一定频度的方式出现，因此通过数据挖掘，可以定位出对应的子图，即组合构件(如图2所示)。
3.组合构件属性计算
组合构件的属性计算主要侧重于可量化的属性，包括长、宽、高、与其他组合构件的相对距离、内部面积等。
4.组合构件类别标示
通过步骤2中的空间连接图数据挖掘，可以将空间连接图分解为几组组织形式相同/高度类似的子图集合。每个子图集合表示了一类组合构件。对于组合构件的类别可通过自动编码进行分类标示，但如果需要和建筑审查的名称定义进行对应，仍需要人工来标示子图的类别。因此可以从每一类子图中提取出一个，通过人工对子图所对应的建筑构型进行标示。这里的人工标示是通过子图在CAD设计工具中呈现的建筑模型来进行标示，而非在空间连接图中进行(人工判读空间连接图比较困难)。标示后的子图(组合构件)及其属性集合(由步骤3计算得出)可用于自动化建筑合规审查。

Claims (7)

1.基于数据挖掘的建筑CAD模型分析方法,其特征在于将建筑模型图通过解构，重新构建空间连接图，以空间连接图的方式来表达建筑模型图；空间连接图以点来表达建筑模型图中的基本构件/构型，以边来表达建筑模型图中相接的构件或有空间关联的构件/构型。
2.根据权利要求1所述的方法,其特征在于采用图数据挖掘的方法将空间连接图所表达的建筑模型中的组合构件以子图挖掘的方式提取出来。
3.根据权利要求1所述的方法,其特征在于所采用的图数据挖掘算法为改进后的gspan算法：gspan+，该算法对空间连接图中的点与边采用相似度判别的方式进行归类和频度计算。
4.根据权利要求1所述的方法,其特征在于在组合构件的属性集合在空间连接图与建筑模型图之上进行提取。
5.根据权利要求1所述的方法,其特征在于对于组合构件的类型标示，可以通过引入少量人工进行快速标示，也可以通过算法进行自动标示。
6.根据权利要求1所述的方法,其特征在于通过空间连接图对建筑模型图进行抽象，可以灵活处理各种类型的建筑设计工具。
7.根据权利要求1所述的方法,其特征在于通过空间连接图对建筑模型图进行抽象，数据挖掘在空间连接图上进行，避免因设计工具变化而导致数据挖掘效果受影响。
CN202011644215.9A 2020-12-31 2020-12-31 基于数据挖掘的建筑cad模型分析方法 Pending CN112632652A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011644215.9A CN112632652A (zh) 2020-12-31 2020-12-31 基于数据挖掘的建筑cad模型分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011644215.9A CN112632652A (zh) 2020-12-31 2020-12-31 基于数据挖掘的建筑cad模型分析方法

Publications (1)

Publication Number Publication Date
CN112632652A true CN112632652A (zh) 2021-04-09

Family

ID=75290998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011644215.9A Pending CN112632652A (zh) 2020-12-31 2020-12-31 基于数据挖掘的建筑cad模型分析方法

Country Status (1)

Country Link
CN (1) CN112632652A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140173410A1 (en) * 2012-12-19 2014-06-19 Brian David Marchesseault Drawing notes manager
CN107045526A (zh) * 2016-12-30 2017-08-15 许昌学院 一种电子建筑施工图的图形识别方法
CN107357970A (zh) * 2017-06-23 2017-11-17 清华大学 基于数据挖掘的建筑信息模型异常元素检测装置和方法
CN110399657A (zh) * 2019-07-09 2019-11-01 西安工业大学 一种基于三维装配模型共性结构的发掘方法
CN111027574A (zh) * 2019-12-09 2020-04-17 中南大学 基于图卷积的建筑物模式识别方法
CN111881964A (zh) * 2020-07-20 2020-11-03 南宁师范大学 一种基于Delaunay三角网的线性建筑物模式识别方法与***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140173410A1 (en) * 2012-12-19 2014-06-19 Brian David Marchesseault Drawing notes manager
CN107045526A (zh) * 2016-12-30 2017-08-15 许昌学院 一种电子建筑施工图的图形识别方法
CN107357970A (zh) * 2017-06-23 2017-11-17 清华大学 基于数据挖掘的建筑信息模型异常元素检测装置和方法
CN110399657A (zh) * 2019-07-09 2019-11-01 西安工业大学 一种基于三维装配模型共性结构的发掘方法
CN111027574A (zh) * 2019-12-09 2020-04-17 中南大学 基于图卷积的建筑物模式识别方法
CN111881964A (zh) * 2020-07-20 2020-11-03 南宁师范大学 一种基于Delaunay三角网的线性建筑物模式识别方法与***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WEN-DER YU等: ""Content-based text mining technique for retrieval of CAD documents"", 《AUTOMATION IN CONSTRUCTION》, vol. 31, 31 May 2013 (2013-05-31), pages 65 - 74 *
温蕊: ""三维工程模型检索及智能设计技术研究"", 《中国博士学位论文全文数据库 信息科技辑》, no. 7, 15 July 2019 (2019-07-15), pages 138 - 63 *

Similar Documents

Publication Publication Date Title
Biagini et al. Towards the BIM implementation for historical building restoration sites
Lu et al. Semi-automatic geometric digital twinning for existing buildings based on images and CAD drawings
Sanchez et al. Deconstruction programming for adaptive reuse of buildings
Lu et al. Automatic analysis and integration of architectural drawings
Ma et al. Application of 4D for dynamic site layout and management of construction projects
CN110992490B (zh) 基于cad建筑平面图自动提取室内地图的方法
Yin et al. Generating 3d building models from architectural drawings: A survey
JP4893148B2 (ja) 形状簡略化装置及びそれに用いられるプログラム
Yang et al. Semiautomatic structural BIM-model generation methodology using CAD construction drawings
US20130046512A1 (en) System and Methods Facilitating Interfacing with a Structure Design and Development Process
San Segundo et al. Fast exact feature based data correspondence search with an efficient bit-parallel MCP solver
CN114972659B (zh) 一种二维图纸转换三维模型用于图纸审查的方法及***
Gao et al. A data structure for studying 3D modeling design behavior based on event logs
Jiang et al. Semantic enrichment for BIM: Enabling technologies and applications
CN115168971A (zh) 基于构件参数库的装配式建筑设计与建造一体化协同方法
CN114722963A (zh) 地铁车站二维图纸生成三维bim模型的图例识别方法及***
Bloch et al. Automated model checking for topologically complex code requirements–security room case study
CN115620143A (zh) 一种新古典主义建筑风格识别***、构建方法及识别方法
Dehbi et al. Learning grammar rules of building parts from precise models and noisy observations
Chen et al. Region proposal mechanism for building element recognition for advanced scan-to-BIM process
Gil et al. On the discovery of urban typologies
CN112632652A (zh) 基于数据挖掘的建筑cad模型分析方法
CN114048535A (zh) 构建地图时在cad墙图层中生成门窗的***及其方法
Carta Machine learning and computational design
CN115510517A (zh) 高层建筑结构智能设计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination